原文：在 AI 浪潮下，如何留在牌桌上

作者：Innei｜发布于 2026 年 6 月 28 日

本文不是对原文的完整转载，而是一篇基于原文观点写成的导读与个人读后感。建议先阅读原文，再回来看这篇文章。

最近读到 Innei 的《在 AI 浪潮下，如何留在牌桌上》，我停下来想了很久。

这篇文章真正触动我的，并不是“AI 会不会取代程序员”这个已经被反复讨论的问题，而是另一个更具体、也更难回答的问题：当 AI 已经能够快速生成代码、页面甚至完整项目时，一个开发者还能提供什么不可替代的价值？

从“会不会被取代”到“我能负责什么”

原文从职业焦虑写起。AI 编程工具在很短的时间里从辅助补全发展成可以独立处理复杂任务的 Agent。过去我们可能会担心，过度依赖工具会不会让自己的基本功退化；现在更现实的压力却是，几乎所有人都开始使用这些工具，仅仅“会用 AI”已经不足以成为优势。

我很认同这一点。

如果两个人都可以让 AI 在几分钟内生成一个项目，那么真正拉开差距的，不再只是生成速度，而是后面的一连串问题：需求是否定义清楚，方案是否适合真实用户，代码是否可靠，异常是否被考虑，最终结果是否真的可以交付。

AI 可以给出答案，但开发者仍然要对答案负责。

所以，比起继续证明自己比 AI 更会写代码，我更应该训练另一种能力：知道应该做什么，能够判断结果好不好，并且有能力把一个不稳定的生成结果变成真正可用的产品。

一次加载动画带给我的真实体会

最近我一直在修改自己的 Hexo 博客加载动画。最初的目标看起来很简单：把普通的加载效果换成霓虹线条描边的 Bronze，并让动画速度跟随页面真实加载进度。

代码很快就能生成，但真正落地以后，问题才一个个出现：

  • Bronze 的视觉中心和 SVG 画布中心并不一致；
  • 亮色和暗色主题需要不同的背景与辅助线对比度；
  • PJAX 切页不能重复创建动画和光标；
  • 页面加载结束后必须恢复滚动状态；
  • 自定义鼠标初始坐标是 (0,0)，导致圆环会从左上角滑回真实位置；
  • 移动端、减少动态效果偏好和异常超时也需要分别处理。

这些问题没有哪个特别高深，却共同决定了它到底是一个演示效果，还是一个能够长期放在博客里的功能。

这让我更直观地理解了原文讨论的“留在牌桌上”：价值并不只存在于把第一版代码写出来，而在于发现问题、建立标准、验证结果并完成最后那段经常被忽略的距离。

我不完全同意“UI 已经没那么重要”

原文提到，在快速迭代和功能优先的 AI 产品中，UI 与 UX 的重要性似乎有所下降。这个观察有现实依据，但我只同意一半。

在产品还没有验证需求之前，过早追求像素级精致，确实可能只是浪费时间。功能是否解决问题，永远比表面是否漂亮更重要。

但 AI 正在快速降低“把界面做出来”的成本。当所有人都能生成一个功能完整的页面时，体验、判断和细节反而会成为新的区分度。按钮什么时候应该自动执行，什么时候必须等待用户确认；错误信息怎样表达；加载过程是否让人安心；页面在不同设备上是否稳定——这些都不是简单生成一份 UI 代码就能自然得到的。

AI 让实现变得便宜，但没有让选择变得容易。

基础能力仍然重要，只是使用方式变了

AI 时代并不意味着可以放弃基础知识。恰恰相反，如果不理解 DOM、事件生命周期、网络请求、状态管理和基本的可访问性，就很难判断 AI 给出的代码为什么出错，也无法知道它只是“看起来能运行”，还是真的可靠。

以前学习基础，是为了亲手完成每一行实现；现在学习基础，还多了一个目的：审查、纠正和组织 AI 的产出。

这也意味着，我不需要在“坚持手写代码”和“完全交给 AI”之间二选一。更合理的方式，是让 AI 承担重复劳动和探索成本，把自己的注意力放在问题定义、架构取舍、质量验证与最终责任上。

个人品牌也是一种长期资产

原文还有一个观点让我很有共鸣：除了工作能力，还要保留自己的公开输出和个人入口。

博客、开源项目、学习笔记和真实 Demo，看起来不能立刻带来回报，但它们会持续记录一个人解决过什么问题、形成了怎样的判断。简历只能告诉别人“我会什么”，长期作品却能让别人看到“我是怎样做事的”。

这也是我愿意继续维护这个博客的原因。写文章并不只是整理知识，也是在逼自己把模糊的感觉变成可以说明、可以复查的观点。哪怕现在的理解还不成熟，它也会成为以后回头观察自己成长轨迹的坐标。

我给自己的行动清单

读完文章以后，我想给自己留下几条更具体的提醒：

  1. 继续学习基础。 不为了和 AI 比拼手写速度，而是为了拥有判断和纠错能力。
  2. 把 AI 当作放大器。 用它提高探索与实现效率，但不把最终责任一起交出去。
  3. 多做真正完成的项目。 少停留在“已经跑起来”，多关注部署、异常、维护和用户体验。
  4. 建立验证习惯。 对生成结果进行测试、审查和实际环境验证，不用“看起来没问题”代替证据。
  5. 持续公开表达。 通过博客和项目积累自己的作品、判断与可信度。
  6. 保留人的感受。 技术最终服务的是人。效率、成本和指标之外，仍然要理解使用者的处境。

写在最后

我现在依然无法准确回答，未来最稳定的职业名称会是什么。前端工程师、全栈工程师、AI 产品工程师，或许都只是阶段性的标签。

但我越来越确定，所谓留在牌桌上，不是追上每一个新模型，也不是同时打开更多 Agent，让它们替自己写更多代码。

真正重要的是：当工具越来越强时，我是否仍然能够提出值得解决的问题，判断什么结果是好的，把不确定的输出变成可靠的产品，并愿意对最终交付负责。

AI 可以参与创作，但方向、标准和责任，仍然需要由人来承担。